做好数据分析必备的5种典型可视化图表

大数据 数据可视化
不同的图表样式可以满足你不同的分析需求,你可以根据自己的目的来选取最合适的指标、维度和图表样式。工具的作用在于,让上手过程更快更顺畅一些,让更多更高级的需求能够被满足和呈现。

[[200113]]

对产品和运营来说,和数据打交道成了日常。总结下来,你的需求具体是什么呢?

1. 数据监控

每次听到老板说,今天浏览量掉了很多。你就心头一紧,老板都知道了你还不知道?

老板:不应该。

产品和运营一定要对网站每天的 PV、UV 等总体数据有一个直观的把握,包括它们的数值、趋势等。用 GrowingIO 的单图建立图表,能让信息传达更迅速、直观,一旦出现数据过高或过低的情况,就可以马上拆解,及时介入。再也不用等老板来告诉你今天数据又掉了。

2. 数据分析,拆解问题

数据掉了,什么原因呢?你又心头一紧,可能是这届用户不行?

老板:加上「可能」,就是你无能。

当一个总体数据出现异常,比如浏览量突然降低,原因可能有很多,产品本身问题、运营问题等等。这时候就需要对浏览量这一指标进行不同维度的拆解,比如各个访问来源的变化,各个浏览设备的变化等,GrowingIO 的单图提供多种指标和维度,能让你准确定位问题,迅速解决问题。

3. 可视化展示

来,给团队同步一下项目进展。你还是心头一紧,毕竟只有一堆冷冰冰的数字啊。

老板:hmmm,不是很想看。

在集体协作中,你需要将分析结果更友好地展示给其他人,比如写周报、项目进展汇报等。而如何更好地呈现你的分析结果呢?来,接下来我们看图说话。

一、趋势图

趋势分析是最基础的图表分析,包括线图、柱状图、堆积图等多种形式。

1. 线图

线图可以观察一个或者多个数据指标连续变化的趋势,也可以根据需要与之前的周期进行同比数据分析。

 

2. 柱状图 & 堆积图

柱状图可以观察某一事件的变化趋势;还可以同时将整体拆分可以做成堆积图,同时观察到部分所占比重及变化趋势。

 

产品经理和运营人员通过趋势图分析流量的实时走向,如每日 PV、UV、DAU 等基本数量指标以及停留时长、平均访问页面数等质量指标,可以及时把握产品的变化趋势。一旦趋势周期对比发生异常(异常高和异常低),我们需要及时介入排查原因、解决问题。

二、频数图

根据业务需求对指标按照一定维度拆分,对比不同组别的频数,便于分清轻重缓急。

 

条形图清晰展示了用户在不同类别上的频数,并且按照数量从大到小排序。上图展示的是某产品用户使用浏览器的频数分布,在资源有限的情况下产品可以先适配 Chrome 和 IE 浏览器以提升绝大部分用户体验。

 

上面的双向条形图展示了某 B 端产品的客户平均停留时长极端情况(非常高和非常低),企业 1-5 非常活跃,可以让运营人员促进客户增购、续约,而企业 6-10 活跃度非常低,用户即将流失,需要运营人员立刻介入干预。

三、比重图

比重分析主要是用来了解不同部分占总体的比例。横向比较,扇形图、环形图可以满足这类需求;纵向比较,百分比堆积图可以显示不同部分所占比例的趋势变化。

1. 环形图

 

「环形图」显示了某节点访问用户来源渠道比例。

2. 百分比堆积图

 

「百分比堆积图」动态显示了不同渠道比例的变化趋势,市场或者运营人员可以据此动态优化我们的资源投放。

四、表格

表格信息密集,可以同时分析多维度、多指标数据,适合对数据敏感的人群使用。虽然表格能看到具体的数值,但是不能直观看到趋势、比重。

 

通过表格不难发现,移动端访问用户占了非常大的比例,但是跳出率非常高。这样的表格数据启示我们有必要优化移动端产品,提升整体访问深度。

五、其他表格

下面介绍的是气泡图,气泡图用来展示一个事件与多个维度之间的关系,如分析 B 端产品客户成单周期与客户活跃度、登录账号数量之间的关系。

 

除了上述常见的图表,还有散点图、箱线图、股价图、雷达图等图表,在此不一一赘述。

六、写在***

不同的图表样式可以满足你不同的分析需求,你可以根据自己的目的来选取最合适的指标、维度和图表样式。工具的作用在于,让上手过程更快更顺畅一些,让更多更高级的需求能够被满足和呈现。

GrowingIO 的单图功能提供了很低的门槛,以及很高的自由度。数据分析小白可以用单图做各种基础的数据分析,生成各种报表;对数据分析有深刻理解的人,可以将各种维度指标组合,针对业务场景做出***洞察力的数据报表。 

责任编辑:庞桂玉 来源: 36大数据
相关推荐

2016-11-01 13:23:50

数据分析大数据

2021-10-11 08:04:22

Python数据行程

2020-12-07 05:51:49

数据分析数据可视化数据科学

2023-10-24 20:38:15

数据分析机器学习

2017-01-12 17:28:59

数据分析数据可视化可视化

2018-12-26 15:55:50

数据分析数据可视化图表

2018-12-26 16:31:39

图表数据可视化进阶

2023-08-01 16:01:59

可视化Seaborn

2015-08-20 10:04:40

可视化

2019-12-12 14:09:10

数据可视化设计界面

2020-03-01 14:01:22

Echarts数据可视化图表

2018-12-03 16:50:23

数据可视化数据分析薪水

2017-03-09 09:54:13

分析数据可视化

2019-04-29 09:00:00

数据可视化JavaScript图表库

2022-02-23 15:17:12

SQL数据集数据分析

2017-09-15 10:23:06

可视化Bug数据分析

2020-05-14 10:19:23

Python可视化分析

2021-04-09 10:42:03

数据可视化框架大数据

2023-11-29 20:24:45

数据可视化图表

2023-11-24 14:02:00

Python数据分析
点赞
收藏

51CTO技术栈公众号